Ajaib.co.id – Istilah koefisien determinasi muncul diwakili dengan simbol R kuadrat atau R2 (RxR) dan merupakan sebuah proporsi variabel dalam suatu data yang dihitung pada model statistik khususnya yang berhubungan dengan regresi.
Secara umum, koefisien determinasi digunakan sebagai informasi mengenai kecocokan suatu model dan dihitung untuk mengetahui sejauh mana kecocokan sejumlah variabel bebas yang ada dalam sebuah model persamaan regresi linier berganda secara berbarengan mampu menjelaskan variabel tidak bebasnya.
Nilai koefisien determinasi sendiri berada di rentang nol sampai satu. Suatu nilai ini bisa dikatakan ‘baik’ jika ia berada di atas angka 0,5, sebaliknya suatu nilai koefisien determinasi dibilang ‘tidak baik’ jika di bawah 0,5.
Sehingga jika mengacu dari hasil penghitungannya, maka sebuah model regresi linier ganda dibilang layak dipakai jika nilai dari R2 lebih dari 0,5.
Mengetahui Rumus Koefisien Determinasi
Secara umum nilai koefisien determinasi digunakan sebagai informasi mengenai kecocokan sebuah model. Dalam regresi, angka koefisien determinasi dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat melalui model.
Contohnya, jika koefisien determinasi (R2) sama dengan 1, maka angka tersebut memperlihatkan garis regresi cocok dengan data dan sempurna. Sebaliknya, jika koefisien determinasi (R2) semakin mendekati nol, maka datanya tidak cocok.
Harga dari koefisien determinasi didapatkan dari variasi yang dijelaskan oleh setiap variabel tinggi dalam regresi sebelumnya. Hal ini membuat variasi yang dijelaskan di awal hanya disebabkan variabel yang berpengaruh saja.
Dalam perhitungannya juga, koefisien determinasi tidak bisa dipisahkan dari dari penghitungan korelasi. Karena nilai koefisien determinasi (R2) adalah kuadrat dari korelasi variabel bebas (X) dan terikat (Y).
Kaitannya dengan Regresi dan Pendekatannya dalam Kehidupan Sehari-hari
Koefisien determinasi seperti sudah dijelaskan di awal identik dengan perhitungan dengan metode analisis statistik yang digunakan untuk melihat pengaruh antara dua atau lebih banyak variabel seperti regresi.
Istilah regresi pertama kali dikenalkan oleh Sir Francis Galton (1822-1911) melalui penelitiannya berjudul Regression Toward Mediocrity Stature yang berisikan tentang model prediksi dan pendugaan. Penamaan ini muncul bermula dari penelitian Galton yang membandingkan tinggi badan anak laki-laki dengan tinggi badan ayahnya.
Hasilnya, diketahui bahwa tinggi badan anak laki-laki dari ayah yang tinggi cenderung mengalami penurunan setelah beberapa generasi, sebaliknya tinggi badan anak laki-laki dari ayah yang pendek cenderung meningkat setelah beberapa generasi. Kecenderungan dua hal ini kemudian memunculkan hubungan banyak variabel menuju sebuah rata-rata nilai populasi.
Dalam kehidupan sehari-hari, perhitungan ini bisa digunakan hampir pada semua bidang kehidupan, mulai dari ekonomi hingga ilmu lingkungan. Kegunaan dari analisis tersebut pun untuk mengetahui variabel-variabel kunci yang memiliki pengaruh terhadap suatu variabel bergantung, pemodelan, pendugaan, dan peramalan.
Melalui analisis regresi, kita juga bisa membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas, menguji hipotesis karakteristik dependensi, dan menduga nilai rata-rata variabel bebas yang didasari nilai variabel bebas diluar jangkauan sebuah model.
Regresi Linier
Koefisien determinasi dapat digunakan pada berbagai macam penghitungan statistik. Dalam model regresi, variabel independen memunculkan variabel dependennya.
Pada analisis regresi sederhana, hubungan antara variabel bersifat linier, di mana perubahan pada variabel X akan diikuti oleh perubahan pada variabel Y secara tetap. Koefisien determinasi merupakan hasil kuadrat dari koefisien korelasi dan dikalikan dengan 100. Penghitungan koefisien korelasi dan koefisien determinasi punya fungsi yang mirip, yaitu sama-sama menghitung kuat atau tidaknyanya hubungan dua variabel.
Hal ini dijelaskan dalam penghitungan analisis regresi sebagai model statistik untuk melihat hubungan antara variabel bebas dan tidak bebas. Model regresi linier yang ideal memiliki beberapa asumsi-asumsi sebagai berikut:
Eksogenitas lemah
Analisis satu ini memiliki syarat bahwa variabel X bersifat fixed atau tetap, sementara variabel Y bersifat random. Jadi maksudnya, satu nilai variabel X akan memprediksi variabel Y sehingga ada kemungkinan munculnya beberapa variabel Y. Maka dari itu harus ada nilai error atau kesalahan pada variabel Y.
Linieritas
Analisis regresi bersifat linier yang berarti kenaikan variabel X harus diikuti secara proporsional oleh kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi, maka dapat dilakukan transformasi data dengan menggunakan model kuadratik, eksponensial atau model lain yang sesuai dengan pola hubungan nonlinier.
Varians error secara konstan
Varians error dikenal juga dengan asumsi homoskedastisitas. Varians ini biasanya tidak berubah-ubah pada response yang berbeda. Mengapa varians error harus konstan?
Karena jika varians error konstan maka dapat membentuk model sendiri dan mengganggu model utama, karena itu penanggulangan permasalahan heteroskedastisitas/non-homoskedastisitas bisa diatasi dengan menambahkan model varians error ke dalam model tersebut atau model ARCH/GARCH.
Autokorelasi untuk data time series
Asumsi ini memperlihatkan pengaruh variabel lag waktu sebelumnya terhadap variabel Y. Jika ada gangguan autokorelasi, maka ada suatu pengaruh variabel lag waktu sebelumnya terhadap variabel Y.
Misalnya saja pada model kenaikan harga BBM terhadap inflasi, jika ditemukan autokorelasi maka inflasi hari ini atau bulan ini bukan dipengaruhi oleh kenaikan BBM pada hari ini, tetapi dipengaruhi oleh kenaikan BBM sebelumnya (tergantung dari data yang dikumpulkan selama satu hari atau satu bulan).
Demikianlah sekilas penjelasan mengenai koefisien determinasi dan hubungannya dengan regresi. Selanjutnya jika ingin mengetahui hal-hal seputar investasi, saham, atau obligasi dan ingin mencoba melakukan trading (jual-beli) saham, kamu bisa melakukannya melalui Aplikasi Ajaib!
